基于双特征提取网络的车道线识别方法

作     者：窦志 孙后环 王周利 代远扬 高枫 DOU Zhi;SUN Houhuan;WANG Zhouli;DAI Yuanyang;GAO Feng

作者机构：南京工业大学机械与动力工程学院南京211800 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2024年第45卷第5期

页      面：48-54页

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：国家自然科学基金青年基金项目(No.51804169) 

主　　题：车道线识别 双特征提取 Swin Transformer 通道注意力模块 空洞卷积 

摘      要：为了提高复杂环境下网络的特征提取能力,提出一种双特征提取网络的车道线识别方法。首先搭建双特征提取网络,减少细节语义信息的丢失,强化模型面对复杂环境的识别能力。然后使用改进的空洞空间金字塔池化结构增大感受野,提取更为丰富的上下文信息,并结合深度可分离卷积,降低模型的计算量。最后构造通道注意力模块,重点关注有效信息较多的特征通道。经实验验证,所提方法在Tusimple数据集上准确率可达97.7%,mIoU为76.2%,单图识别时间为26.24 ms,在复杂环境下进行车道线识别时,鲁棒性较好。